Mô tả

Học máy (Machine learning) đang ngày càng trở nên phổ biến và được ứng dụng rộng rãi. Chúng được sử dụng trong các hệ thống máy tính của Google, Facebook, ứng dụng trong nhận diện khuôn mặt, nhận diện chữ viết, xe tự lái,...

Trong khóa học này, chúng ta sẽ cùng tìm hiểu về các thuật toán Machine learning cơ bản để xem làm thế nào để dạy máy tính học từ số liệu có sẵn.

Các thuật  toán và hướng dẫn thực hành được trình bày gồm:

  • Mô hình hồi quy tuyến tính

  • Mô hình hồi quy Logistic

  • Mô hình cây quyết định

  • Mô hình k-NN

  • Mô hình học không giám sát (Phân cụm thứ bậc, phân cụm K-means)

  • Phương pháp xây dựng và kiểm định mô hình

  • Các thuật toán khác sẽ được cập nhật trong thời gian tới.


Image Credit: Omelchenko/Shutterstock 

Bạn sẽ học được gì

Hiểu về các thuật toán Machine Learning cơ bản

Biết cách áp dụng các thuật toán trong từng dự án/ bài tập nhất định

Các bước xây dựng mô hình và thực hiện dự báo

Mẫu code lập trình cho từng thuật toán

Yêu cầu

  • Toán học cơ bản bậc THPT
  • Hiểu biết về đại số tuyến tính, xác suất thống kê bậc đại học sẽ có ích, tuy nhiên các kiến thức cần thiết sẽ được ôn lại ở phần đầu khóa học

Nội dung khoá học

8 sections

Introduction

3 lectures
Introduction
00:08
Machine learning là gì?
11:16
Phần mềm R
00:04

Mô hình hồi quy tuyến tính

5 lectures
Hồi quy tuyến tính đơn biến
12:23
Hồi quy tuyến tính đa biến
08:34
Thực hành hồi quy tuyến tính trên excel
17:09
Thực hành hồi quy tuyến tính trên phần mềm R
20:50
Code mẫu cho bài giảng
00:03

Mô hình hồi quy Logistic

8 lectures
(Optional) Phương pháp ước lượng hợp lý cực đại
20:12
Hồi quy Logistic
14:29
Ước lượng mô hình và minh họa trên excel
11:56
Kiểm định mô hình: Đo lường sai số dự báo
10:04
Kiểm định mô hình: Đường ROC, chỉ số AUC
07:11
Thực hành hồi quy Logistic với phần mềm R
16:06
So sánh hồi quy tuyến tính và hồi quy Logistic
03:51
Code mẫu cho bài giảng
00:01

Phương pháp xây dựng mô hình Machine learning

4 lectures
Hiện tượng quá khớp (Overfitting) trong Machine learning
15:25
Phương pháp lựa chọn và xây dựng mô hình - kiểm chứng chéo
13:53
Hồi quy Ridge và Hồi quy LASSO
08:24
Code mẫu cho bài giảng
00:01

Mô hình cây quyết định (Decision Tree)

6 lectures
Mô hình cây quyết định
08:03
Xây dựng mô hình và dự báo
06:48
Thuật toán ước lượng mô hình
13:41
Mô hình Bagging và Random Forest
06:05
Thực hành mô hình cây quyết định trên phần mềm R
28:15
Code mẫu cho bài giảng
00:01

Mô hình Láng riềng gần nhất (k-Nearest Neighbor - kNN)

3 lectures
Mô hình Láng riềng gần nhất (k-Nearest Neighbor - kNN)
09:09
Thực hành mô hình k-NN trên phần mềm R
24:55
Code mẫu cho bài giảng
00:01

Thực hành Học giám sát - Số liệu Titanic - Dự báo khả năng sống sót

1 lectures
Dự báo số liệu Titanic
1 câu hỏi

Học không giám sát (Unsupervised learning): Phân cụm thứ bậc, phân cụm k-means

6 lectures
Học giám sát và học không giám sát
01:49
Phân cụm thứ bậc
07:24
Phân cụm K-means
02:55
Thực hành phân cụm thứ bậc với phần mềm R
06:29
Thực hành phân cụm K-means với phần mềm R
06:41
Code mẫu cho bài giảng
00:01

Đánh giá của học viên

Chưa có đánh giá
Course Rating
5
0%
4
0%
3
0%
2
0%
1
0%

Bình luận khách hàng

Viết Bình Luận

Bạn đánh giá khoá học này thế nào?

image

Đăng ký get khoá học Udemy - Unica - Gitiho giá chỉ 50k!

Get khoá học giá rẻ ngay trước khi bị fix.